点云编码的数据单元和参数集设计的制作方法

点云编码的数据单元和参数集设计
1.引用并入
2.根据美国专利法第119条(35 u.s.c.
§
119)，本公开要求在2019年3月18日向美国专利商标局提交的美国临时申请第62/820,200号，以及在2020年3月3日向美国专利商标局提交的美国申请第16/808,009号。在先申请的全部内容通过引用并入本文。
技术领域
3.本公开主要涉及点云编码。


背景技术：

4.点云可以指描述与附加信息相关联的三维点的大数据集，其中，附加信息可以为距离、颜色等。另外，可以高速率创建点云，并且因此占用大量的存储器资源。在一些情况下，需要在速率受限的通信信道上存储或传输点云。因此，点云的压缩技术在资源消耗、带宽消耗、网络度量等方面是有利的。


技术实现要素：

5.根据本公开的一个方面，一种激活参数集以允许对已编码点云序列进行解码的方法，所述方法包括：解析与所述已编码点云序列相关联的参数集；基于解析所述参数集识别从属参数集；识别所述从属参数集是否是补丁级参数集；基于识别出所述从属参数集是所述补丁级参数集，激活所述补丁级参数集，以允许对所述已编码点云序列进行解码；以及,基于识别出所述从属参数集不是所述补丁级参数集，激活帧级参数集，以允许对所述已编码点云序列进行解码。
6.根据本公开的一个方面，一种激活参数集以允许对已编码点云序列进行解码的装置，所述装置包括：至少一个存储器，用于存储程序代码；以及，至少一个处理器，用于读取程序代码，并按照所述程序代码的指示进行操作，所述程序代码包括解析代码，使得至少一个处理器解析与所述已编码点云序列相关联的参数集；识别代码，使得至少一个处理器基于解析所述参数集，识别从属参数集，并识别所述从属参数集是否是补丁级参数集；参考代码，使得至少一个处理器基于识别出所述从属参数集是所述补丁级参数集，参考所述补丁级参数集；以及，基于识别出所述从属参数集不是所述补丁级参数集，参考帧级参数集，以允许对所述已编码点云序列进行解码。
7.根据本公开的一个方面，一种存储指令的非易失性计算机可读介质，所述指令包括一条或多条指令，当所述一条或多条指令由设备的一个或多个处理器执行时，使得所述一个或多个处理器：解析与已编码点云序列相关联的参数集；基于解析所述参数集识别从属参数集；识别所述从属参数集是否是补丁级参数集；基于识别出所述从属参数集是所述补丁级参数集，参考所述补丁级参数集，以允许对所述已编码点云序列进行解码；以及，基于识别出所述从属参数集不是所述补丁级参数集，参考帧级参数集，以允许对所述已编码点云序列进行解码。
8.附图简要说明
9.根据以下详细描述和附图，所公开的主题的其他特征、性质和各种优点将进一步明确，其中：
10.图1是根据本公开一个实施例的示例过程的流程图。
11.图2是根据一个实施例的通信系统的简化框图的示意图。
12.图3是根据一个实施例的通信系统的简化框图的示意图。
13.图4是根据一个实施例的解码器的简化框图的示意图。
14.图5是根据一个实施例的编码器的简化框图的示意图。
15.图6是根据一个实施例的计算机系统的示意图。
16.待解决的问题
17.本公开允许更有效的点云编码和解码。
具体实施方式
18.本公开的实施例提出以下基于视频的点云压缩(video-based point cloud compression,v-pcc)高级语法(high level syntax，hls)的改进：v-pcc单元的定义、v-pcc视频数据单元的定义，和v-pcc非视频数据单元的定义；已编码视频序列的视频编码层(video coding layer，vcl)网络抽象层(network abstraction layer，nal)单元和非vcl nal单元的封装和运送方法,其中，已编码视频序列为已编码点云序列的v-pcc单元中每个属性、几何形状或占用的已编码视频序列；参数集的顺序和激活过程；参数集扩展机制和其它特征。
19.根据本公开的实施例，可以将v-pcc cd文本中的序列参数集(sequence parameter set，sps)称为v-pcc序列参数集(v-pcc sequence parameter set，vsps)，从而与多个属性、几何形状和占用的已编码视频流的sps进行区分。
20.本公开提出了v-pcc hls的v-pcc单元和参数集设计。在当前的v-pcc cd研究文本中，关于如何运送已编码视频流的vcl-nal单元和非vcl nal单元(例如，序列参数集(sequence parameter set，sps)和图片参数集(picture parameter set，pps))的属性、几何形状和占用，以及，如何激活和/或参考v-pcc的参数(例如，v-pcc序列参数集、帧参数集、几何参数集和占用参数集)并不清楚。
21.根据本公开的实施例，可以如下使用术语“v-pcc单元”、“v-pcc视频数据单元(v-pcc video data unit，vdu)”和“v-pcc非视频数据单元(v-pcc non-video data unit，ndu)”。“v-pcc单元”可以指v-pcc视频数据单元(vdu)或v-pcc非视频数据单元(ndu)。“v-pcc单元”可以指一种语法结构，该语法结构包含要遵循的数据类型的指示和包含上述数据的字节。“v-pcc非视频数据单元(non-video data unit,ndu)”可以指包含参数集或元数据的v-pcc单元。“v-pcc视频数据单元(v-pcc video data unit,vdu)”可以指包含已编码视频数据(例如，vcl nal单元)的v-pcc单元，其中，所述已编码视频数据由视频编解码标准(例如，高级视频编码(advanced video coding,avc)或、高效视频编码(high efficiency video coding,hevc))编码。这样，vdu和ndu分别包括vcl nal和非vcl nal单元的类似功能。
[0022][0023]
v-pcc单元类型
[0024]
本公开提供vcl/非vcl nal单元的以下封装和运送方法。
[0025]
ndu携带由v-pcc和非vcl nal单元指定的参数集和元数据，其中，v-pcc和非vcl nal单元由其它视频编解码标准(例如，avc或hevc)指定。vdu可以包含属于同一帧的一个或多个vcl nal单元。“vpcc_unit_type”等于1的ndu可以包含一个或多个用于占用、几何或属性的sps原始字节序列有效载荷(raw byte sequence payloads，rbsp)。“vpcc_unit_type”等于3的ndu可以包含用于占用、几何或属性的一个或多个pps rbsp。
[0026][0027]
表1:视频数据单元(vdu)语法
[0028][0029]
表2:序列参数集(sequence parameter sets，sps)语法
[0030][0031][0032]
表3:图片参数集pps语法
[0033]
图1是根据本公开实施例的一个示例过程的流程图。例如，图1为参数集解析和激活的流程图。
[0034]
如图1中所示，本公开的过程可以包括解析与已编码点云序列相关联的参数集(步骤110)。如图1中进一步所示，该过程可以包括识别从属参数集(步骤12)，。如图1中进一步所示，该过程可以包括识别从属参数集是否是补丁级参数集(步骤130)。如果从属参数集是
补丁级参数集(步骤130-是)，则该过程可以包括激活补丁级参数集(步骤140)。如果从属参数集不是补丁级参数集，则该过程可以包括激活帧级参数集(步骤150)。
[0035]
在v-pcc单元级中，重新使用帧参数集(frame parameter set,fps)以激活v-pcc单元级中的vsps、sps、pps和其它参数集。潜在地，帧参数集fps可以包含帧级分区信息(例如，图块)。帧参数集(fps)由v-pcc视频数据单元(vdu)激活，并由一个或多个vdu引用。
[0036]
在v-pcc单元级中，v-pcc序列参数集(v-pcc sequence parameter set，vsps)由fps激活，并由一个或多个帧参数集fps引用。激活的vsps在整个已编码点云序列(coded point cloud sequence，cpcs)中均应保持激活状态。
[0037]
在v-pcc单元级中，已编码视频序列(coded video sequence，cvs)的图片参数集(picture parameter set,pps)由帧参数集fps激活，并由同一cvs中的一个或多个帧参数集fps和vcl nal单元引用。
[0038]
在v-pcc单元级中，cvs的序列参数集(sequence parameter set，sps)由同一cvs中的pps激活，并由同一cvs中的一个或多个帧参数集fps和vcl nal单元引用。
[0039]
在v-pcc单元级中，如果需要，占用参数集(occupancy parameter set，ops)和几何参数集(geometry parameter set，gps)由帧参数集fps激活。
[0040]
在补丁序列级中，补丁级参数集(例如，属性补丁参数集、几何补丁参数集等)和补丁帧参数由“patch_frame_layer_unit”激活，并分别由一个或多个“patch_frame_layer_unit”引用。
[0041]
在补丁序列级中，几何帧参数集由几何补丁参数集激活，并由一个或多个几何补丁参数集引用。
[0042]
在补丁序列级中，属性帧参数集由属性补丁参数集激活，并由一个或多个属性补丁参数集引用。
[0043]
在补丁序列级中，补丁序列参数集(patch sequence parameter set,psps)由补丁帧参数、几何帧参数或属性补丁参数集激活。在整个已编码点云序列cpcs中，激活的psps均应保持激活状态。
[0044][0045]
表4:帧参数集fps语法
[0046]
本节规定了v-pcc序列参数集vsps、序列参数集sps、帧参数集fps、图片参数集pps、占用参数集ops、几何参数集gps和属性参数集(attribute parameter set，aps)的激活过程。
[0047]
vsps,sps,fps,pps,ops,gps和aps机制将传输很少发生变化的信息与传输已编码视频数据分离。在一些应用中，可以“带外”传送参数。
[0048]
fps包括可以由v-pcc视频数据单元引用的参数。最初认为每个fps在解码过程开始时未处于激活态。最多，认为一个fps在解码过程的操作期间的任何给定时刻均为激活态，并且任何特定pps的激活导致先前激活的fps去激活。当fps(具有特定值“fps_frame_parameter_set_id”)未处于激活态，且由v-pcc视频单元引用(使用与“fps_frame_parameter_set_id”值相等的“vdu_frame_parameter_set_id”值)时，针对帧激活该fps。将该fps称为激活的fps，直到它由于另一个帧的另一个fps的激活而去激活。具有特定值“fps_frame_parameter_set_id”的fps在激活之前可用于解码过程，具有特定值“fps_frame_parameter_set_id”的fps包括在v-pcc非视频数据单元中、或通过外部方式提供。包含已编码帧的激活fps的值“fps_frame_parameter_set_id”的任何fps nal单元应具有与已编码帧的激活fps相同的内容，除非上述任何fps nal单元位于已编码帧的最后一个v-pcc视频单元之后，并且位于另一已编码帧的第一个v-pcc视频单元之前。
[0049]
vsps rbsp包括可以由一个或多个fps引用的参数。在解码过程开始时，最初认为每个vsps都是未激活的。最多，在解码过程中的任何给定时刻，认为一个vsps均处于激活状态，并且任何特定vsps的激活导致先前激活的vsps被去激活。
[0050]
当vsps(具有特定值“vsps_vpcc_seq_parameter_set_id”)尚未激活，且通过激活
fps引用(其中，“fps_vpcc_seq_parameter_set_id”等于“vsps_vpcc_seq_parameter_set_id的值”)时，激活vsps。将该vsps称为激活的vsps，直到它被另一个vsps的激活去激活。具有特定值“vsps_vpcc_seq_parameter_set_id”的vsps应在激活之前可用于解码过程，具有特定值“vsps_vpcc_seq_parameter_set_id”的vsps包括在至少一个v-pcc非视频单元中、或通过外部方式提供。激活的vsps在整个已编码点云序列(coded point cloud sequence，cpcs)中均应保持激活状态。
[0051]“vpcc_unit_type”等于3的v-pcc非视频数据单元包含一个或多个“pps_pic_parameter_set_ids”和对应的一个或多个pps nal单元。“pps_pic_parameter_set_id[i]”的值等于包括在v-pcc非视频数据单元中的第i个pps nal单元的值。pps包括由一个或多个fps引用的参数。在解码过程开始时，最初认为每个pps不是激活的。
[0052]
最多，在解码过程的操作期间的任何给定时刻，认为一个pps是激活的，并且任何特定pps的激活导致先前激活的pps去激活。当fps是激活的，与“pps_attribute_type[i]”和“pps_attribute_index[i]”的特定值相关联的第i个pps由fps(其中，“fps_attribute_type[j]”,“fps_attribute_index[j]”，“fps_pic_parameter_set_id[j]”的值与“pps_attribute_type[i]”,“pps_attribute_index[i]”，“pps_pic_parameter_set_id[i]”的值相等)引用，与“pps_attribute_type[i]”和“pps_attribute_index[i]”的特定值相关联的第i个pps包含在“vpcc_unit_type”等于3的v-pcc非视频数据单元中，为帧的v-pcc视频数据单元激活第i个pps。将该pps称为激活的pps，直到它由于另一个帧的另一个pps的激活而去激活。具有特定值“pps_pic_parameter_set_id”的pps应在激活之前可用于解码过程，具有特定值“pps_pic_parameter_set_id”的pps包括在v-pcc非视频数据单元中、或通过外部方式提供。包含已编码帧的激活pps的值“pps_pic_parameter_set_id”的任何pps nal单元应具有与已编码帧的激活pps相同的内容，除非上述任何pps nal单元位于已编码帧的最后一个v-pcc视频单元之后，并且位于另一已编码帧的第一个v-pcc视频单元之前。
[0053]“vpcc_unit_type”等于1的v-pcc非视频数据单元包含一个或多个“sps_pic_parameter_set_ids”和对应的一个或多个sps nal单元。“sps_seq_parameter_set_id[i]”的值等于包括在v-pcc非视频数据单元中的第i个sps nal单元的值。sps包括可以由一个或多个pps引用的参数，所述参数包含在“vpcc_unit_type”等于1的v-pcc非视频数据单元中。在解码过程的操作开始时，最初认为每个sps都是未激活的。最多，在解码过程的操作期间的任何给定时刻，认为一个sps是激活的，并且任何特定sps的激活导致先前激活的sps被去激活。当sps(具有特定值“sps_seq_parameter_set_id”)尚未激活且通过激活pps引用(其中，“pps_seq_parameter_set_id”等于“sps_seq_parameter_set_id”的值)时，激活sps。将该sps称为激活的sps，直到它由于另一个sps的激活而被去激活。具有特定值“sps_seq_parameter_set_id”的sps应在激活之前可用于解码过程，具有特定值“sps_seq_parameter_set_id”的sps包括在至少一个v-pcc非视频数据单元中、或通过外部方式提供。激活的sps在整个已编码点云序列cpcs中均应保持激活状态。包含cpcs的激活sps的值“sps_seq_parameter_set_id”的任何sps nal单元应具有与cvs的激活sps相同的内容，除非上述任何sps nal单元位于cpcs的最后一个访问单元之后，并且位于另一cpcs的第一个vcl nal单元之前。
[0054]
aps rbsp包括可以由一个或多个fps引用的参数。最初认为每个aps在解码过程的
操作开始时是未激活的。最多，在解码过程的操作期间的任何给定时刻，认为一个aps是激活的，并且任何特定aps的激活导致先前激活的pps被去激活。当fps是激活的，并且与vpcc单元头中的特定值“attribute_type”和“attribute_index”相关联的aps由fps引用(其中，“fps_attribute_type[j]”,“fps_attribute_index[j]”和“fps_attribute_parameter_set_id[j]”的值等于“attribute_type”,“attribute_index”，和“aps_attribute_parameter_set_id”的值)时，激活aps。将该aps称为活动的aps，直到该aps由于另一个aps的激活而被去激活。具有特定值“aps_attribute_parameter_set_id”的aps应在激活之前可用于解码过程，具有特定值“aps_attribute_parameter_set_id”的aps包括在v-pcc非视频数据单元中、或通过外部方式提供。包含已编码帧的激活aps的值“aps_attribute_parameter_set_id”的任何aps v-pcc非视频单元应具有与已编码帧的激活aps相同的内容，除非上述任何aps v-pcc非视频数据单元位于已编码帧的最后一个v-pcc视频单元之后，并且位于另一已编码帧的第一个v-pcc视频单元之前。
[0055]
ops rbsp包括可以由一个或多个fps引用的参数。最初认为每个ops在解码过程的操作开始时是未激活的。最多，在解码过程的操作期间的任何给定时刻，认为一个ops是激活的，并且任何特定ops的激活导致先前激活的ops被去激活。当fps是激活的，并且ops由fps(其中，“fps_occupancy_parameter_set_id”的值等于“ops_occupancy_parameter_set_id”的值)引用时，激活ops。将该ops称为激活的ops，直到该ops由于另一个ops的激活而被去激活。具有特定值“ops_occupancy_parameter_set_id”的ops应在激活之前可用于解码过程，具有特定值“ops_occupancy_parameter_set_id”的ops包括在v-pcc非视频数据单元中、或通过外部方式提供。包含已编码帧的激活ops的值“ops_occupancy_parameter_set_id”的任何ops v-pcc非视频单元应具有与已编码帧的激活ops相同的内容，除非上述任何ops v-pcc非视频数据单元位于已编码帧的最后一个v-pcc视频单元之后，并且位于另一已编码帧的第一个v-pcc视频单元之前。
[0056]
gps rbsp包括可以由一个或多个fps引用的参数。最初认为每个gps在解码过程的操作开始时是未激活的。最多，在解码过程的操作期间的任何给定时刻，认为一个gps是激活的，并且任何特定gps的激活导致先前激活的gps被去激活。当fps是激活的，并且gps由fps(其中，“fps_geometry_parameter_set_id”的值等于“gps_geometry_parameter_set_id”的值)引用时，激活gps。将该gps称为激活的gps，直到该gps由于另一个gps的激活而被去激活。具有特定值“gps_geometry_parameter_set_id”的gps应在激活之前可用于解码过程，具有特定值“gps_geometry_parameter_set_id”的gps包括在v-pcc非视频数据单元中、或通过外部方式提供。包含已编码帧的激活gps的值“gps_geometry_parameter_set_id”的任何gps v-pcc非视频单元应具有与已编码帧的激活gps相同的内容，除非上述任何gps v-pcc非视频数据单元位于已编码帧的最后一个v-pcc视频单元之后，并且位于另一已编码帧的第一个v-pcc视频单元之前。
[0057]
类似于hevc，本公开的实施例包括附加到各种参数集语法的扩展语法。实施例包括编解码器特定的扩展，以携带如下面的表5所示的编解码器相关参数。
[0058][0059][0060]
表5
[0061]
根据实施例，如下指定“more_rbsp_data()”：如果参数集中没有更多数据，则返回值“more_rbsp_data()”等于假。
[0062]
否则，在rbsp数据中搜索最后一个(最不显著、最右边)等于1的比特。鉴于该比特的位置，该比特是rbsp_trailing_bits()语法结构的第一比特(rbsp_stop_one_bit)，则以下适用：如果在rbsp_trailing_bits()语法结构之前的rbsp中存在更多数据，则“more_rbsp_data()”的返回值等于真。否则，more_rbsp_data()的返回值等于假。
[0063]
图2示出了根据本公开实施例的通信系统(200)的简化框图。通信系统(200)可以包括通过网络(250)互联的至少两个终端装置(210，220)。对于单向数据传输，第一终端装置(210)可在本地位置对视频数据进行编码，以通过网络(250)传输到另一终端装置(220)。第二终端装置(220)可从网络(250)接收另一终端装置的已编码视频数据，对已编码视频数据进行解码并显示恢复的视频数据。单向数据传输在媒体服务等应用中是较常见的。
[0064]
图2示出了支持已编码视频的双向传输的第二对终端装置(230，240)，所述双向传输可例如在视频会议期间发生。对于双向数据传输，每个终端装置(230，240)可对在本地位置采集的视频数据进行编码，以通过网络(250)传输到另一终端装置。每个终端装置(230，240)还可接收由另一终端装置传输的已编码视频数据，且可对所述已编码视频数据进行解码并在本地显示设备上显示恢复的视频数据。
[0065]
在图2中，终端装置(210-240)可为服务器、个人计算机和智能手机，但本公开的原理可不限于此。本公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(250)表示在终端装置(210-240)之间传送已编码视频数据的任何数目的网络，包括例如有线和/或无线通信网络。通信网络(250)可在电路交换和/或分组交换信道
中交换数据。代表性网络包括电信网络、局域网、广域网和/或互联网。出于本讨论的目的，除非在下文中有所解释，否则网络(250)的架构和拓扑对于本公开的操作来说可能是无关紧要的。
[0066]
作为所公开主题的应用实施例，图3示出了视频解码器和编码器在流式传输环境中的放置方式。所公开的主题可同等地适用于其它支持视频的应用，包括例如视频会议、数字tv、在包括cd、dvd、存储棒等的数字介质上存储压缩视频等等。
[0067]
流式传输系统可包括采集子系统(313)，所述采集子系统可包括诸如数码相机等视频源(301)，所述视频源创建例如未压缩的视频样本流(302)。较于已编码的视频比特流，样本流(302)被描绘为粗线，以强调其为高数据量的视频样本流，样本流(302)可由耦接到相机(301)的编码器(303)处理。编码器(303)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于样本流(302)，已编码的视频比特流(304)被描绘为细线，以强调较低数据量的已编码的视频比特流，其可存储在流式传输服务器(305)上以供将来使用。一个或多个流式传输客户端(306，308)可访问流式传输服务器(305)以检索已编码的视频比特流(304)的副本(307，309)。客户端(306)可包括视频解码器(310)。视频解码器(310)对已编码的视频比特流的传入副本(307)进行解码，且产生可在显示器(312)或另一呈现装置(未示出)上呈现的输出视频样本流(311)。在一些流式传输系统中，可以根据某些视频编解码/压缩标准对视频比特流(304，307，309)进行编码。这些标准的示例包括itu-t h.265建议书。正在开发的视频编解码标准被非正式地称为多功能视频编解码(vvc)。所公开的主题可以在vvc的上下文中使用。
[0068]
图4是根据本公开实施例的视频解码器(310)的功能框图。
[0069]
接收器(410)可接收将由视频解码器(310)解码的一个或多个已编码视频序列；在同一实施例或另一实施例中，一次接收一个已编码视频序列，其中每个已编码视频序列的解码独立于其它已编码视频序列。可从信道(412)接收已编码视频序列，所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器(410)可接收已编码的视频数据以及其它数据，例如，可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器(410)可将已编码视频序列与其它数据分开。为了防止网络抖动，缓冲存储器(415)可耦接在接收器(410)与熵解码器/解析器(420)(此后称为“解析器”)之间。当接收器(410)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器(415)，或可以将所述缓冲存储器做得较小。当然，为了在互联网等分组网络上使用，也可能需要缓冲存储器(415)，所述缓冲存储器可相对较大且可有利地具有自适应性大小。
[0070]
视频解码器(310)可包括解析器(420)，以根据熵编码视频序列重建符号(421)。这些符号的类别包括用于管理视频解码器(310)的操作的信息，以及用以控制诸如显示器312的显示装置的潜在信息，所述显示装置不是解码器的组成部分，但可耦接到解码器，如图3中所示。用于显示装置的控制信息可以是辅助增强信息(supplementary enhancement information，sei消息)或视频可用性信息(video usability information，vui)的参数集片段(未标示)的形式。解析器(420)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编解码可根据视频编解码技术或标准进行，且可遵循本领域技术人员公知的原理，包括可变长度编解码、霍夫曼编解码(huffman coding)、具有或不具有上下文灵敏度
的算术编解码等等。解析器(420)可基于对应于群组的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(group of pictures，gop)、图片、图块(tile)、切片(slice)、宏块、编码单元(coding unit，cu)、块、变换单元(transform unit，tu)、预测单元(prediction unit，pu)等等。熵解码器/解析器还可从已编码视频序列提取信息，例如变换系数、量化器参数值、运动矢量等等。
[0071]
解析器(420)可对从缓冲存储器(415)接收的视频序列执行熵解码/解析操作，从而创建符号(421)。
[0072]
取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号(421)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(420)从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器(420)与下文的多个单元之间的此类子群控制信息流。
[0073]
除已经提及的功能块以外，视频解码器(310)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施中，这些单元中的许多单元彼此紧密交互并且可以至少部分地彼此集成。然而，出于描述所公开的主题的目的，概念上细分成下文的功能单元是适当的。
[0074]
第一单元是缩放器/逆变换单元(451)。缩放器/逆变换单元(451)从解析器(420)接收作为符号(421)的量化变换系数以及控制信息，包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(451)可输出包括样本值的块，所述样本值可输入到聚合器(455)中。
[0075]
在一些情况下，缩放器/逆变换单元(451)的输出样本可属于帧内编码块；即：不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(452)提供。在一些情况下，帧内图片预测单元(452)采用从(部分重建的)当前图片(454)提取的周围已重建的信息生成大小和形状与正在重建的块相同的块。在一些情况下，聚合器(455)基于每个样本，将帧内预测单元(452)生成的预测信息添加到由缩放器/逆变换单元(451)提供的输出样本信息中。
[0076]
在其它情况下，缩放器/逆变换单元(451)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元(453)可访问参考图片缓冲器(457)以提取用于预测的样本。在根据符号(421)对提取的样本进行运动补偿之后，这些样本可由聚合器(455)添加到缩放器/逆变换单元的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元从参考图片存储器内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号(421)的形式而供运动补偿预测单元(453)使用，所述符号(421)例如是包括x、y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片缓冲器(457)提取的样本值的内插、运动矢量预测机制等等。
[0077]
聚合器(455)的输出样本可在环路滤波器单元(454)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频比特流中的参数，且所述参数作为来自解析器(420)的符号(421)可用于环路滤波器单元(454)。然而，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息，以及响应于先前重建且经过环路滤波的样本值。
[0078]
环路滤波器单元(454)的输出可以是样本流，所述样本流可输出到显示装置(312)以及存储在参考图片缓冲器(454)，以用于后续的帧间图片预测。
[0079]
一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。一旦已编码图片被完全重建，且已编码图片(通过例如解析器(420))被识别为参考图片，则当前参考图片(454)可变为参考图片缓冲器(457)的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片存储器。
[0080]
视频解码器(420)可根据例如itu-t h.265标准中记录的预定视频压缩技术执行解码操作。在已编码视频序列遵循在视频压缩技术文献或标准、特别是配置文件中所规定的视频压缩技术或标准的语法的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。对于合规性，还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等等。在一些情况下，由层级设定的限制可通过假想参考解码器(hypothetical reference decoder，hrd)规范和在已编码视频序列中用信号表示的hrd缓冲器管理的元数据来进一步限定。
[0081]
在实施例中，接收器(410)可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器(420)用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时间、空间或信噪比(signal noise ratio，snr)增强层、冗余切片、冗余图片、前向纠错码等形式。
[0082]
图5是根据本公开实施例的视频编码器(303)的功能框图。
[0083]
视频编码器(303)可从视频源(301)(并非该编码器的一部分)接收视频样本，所述视频源可采集将由视频编码器(303)编码的视频图像。
[0084]
视频源(301)可提供将由视频编码器(303)编码的呈数字视频样本流形式的源视频序列，所述数字视频样本流可具有任何合适位深度(例如：8位、10位、12位
……
)、任何色彩空间(例如bt.601 y crcb、rgb
……
)和任何合适取样结构(例如y crcb 4:2:0、y crcb 4:4:4)。在媒体服务系统中，视频源(301)可以是存储先前已准备的视频的存储装置。在视频会议系统中，视频源(303)可以为采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片，当按顺序观看时，这些图片被赋予运动。图片自身可构建为空间像素阵列，其中取决于所用的取样结构、色彩空间等，每个像素可包括一个或多个样本。本领域技术人员可以容易地理解像素和样本之间的关系。下文侧重于描述样本。
[0085]
根据实施例，视频编码器(303)可实时或在由应用所要求的任何其它时间约束下，将源视频序列的图片编码且压缩成已编码视频序列(543)。施行适当的编码速度是控制器(550)的一个功能。控制器控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器设置的参数可包括速率控制相关参数(例如，图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures，gop)布局，最大运动矢量搜索范围等。本领域技术人员可以容易地识别控制器(550)的其他功能，因为它们可能属于针对特定系统设计而优化的视频编码器(303)。
[0086]
一些视频编码器以本领域技术人员容易识别为“编码环路”方式进行操作。作为简单的描述，编码环路可包括编码器(530)(下文称为“源编码器(source coder)”，其负责基于待编码的输入图片和参考图片创建符号)的编码部分、和嵌入于视频编码器(303)中的
(本地)解码器(533)。“本地”解码器(533)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在所公开的主题所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流输入到参考图片存储器(534)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)是本领域技术人员公知的。
[0087]“本地”解码器(533)的操作可与已在上文结合图4详细描述的“远程”解码器(310)相同。然而，另外简要参考图4，当符号可用且熵编码器(545)和解析器(420)能够无损地将符号编码/解码为已编码视频序列时，视频解码器(310)的熵解码部分(包括信道(412)、接收器(410)、缓冲存储器(415)和解析器(420))可能无法完全在本地解码器(533)中实施。
[0088]
此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。由于这个原因，所公开的主题专注于解码器操作。对编码器技术的描述可以简写，因为它们与全面描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。
[0089]
作为操作的一部分，源编码器(530)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考帧”的一个或多个先前已编码帧，所述运动补偿预测编码对输入帧进行预测性编码。以此方式，编码引擎(532)对输入帧的像素块与参考帧的像素块之间的差异进行编码，所述参考帧可被选作所述输入帧的预测参考。
[0090]
本地视频解码器(533)可基于源编码器(530)创建的符号，对可指定为参考帧的帧的已编码视频数据进行解码。编码引擎(532)的操作可以有利地为有损过程。当已编码视频数据可在视频解码器(图5中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(533)复制解码过程，所述解码过程可由视频解码器对参考帧执行，且可使重建的参考帧存储在参考图片存储器(534)中。以此方式，编码器(303)可在本地存储重建的参考帧的副本，所述副本与将由远端视频解码器获得的重建参考帧具有共同内容(不存在传输误差)。
[0091]
预测器(535)可针对编码引擎(532)执行预测搜索。即，对于将要编码的新帧，预测器(535)可在参考图片存储器(534)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(535)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(535)获得的搜索结果，可确定输入图片可具有从参考图片存储器(534)中存储的多个参考图片取得的预测参考。
[0092]
控制器(550)可管理视频编码器(530)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。
[0093]
可在熵编码器(545)中对所有上述功能单元的输出进行熵编码。熵编码器可根据例如霍夫曼编码、可变长度编码、算术编码等本领域技术人员公知的技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。
[0094]
传输器(540)可缓冲由熵编码器(545)创建的已编码视频序列，从而为通过通信信
道(560)进行传输做准备，所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器(540)可将来自视频编码器(530)的已编码视频数据与要传输的其它数据合并，所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。
[0095]
控制器(550)可管理视频编码器(303)的操作。在编码期间，控制器(550)可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种图片类型。
[0096]
帧内图片(i图片)，其可以是不将序列中的任何其它帧用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(independent decoder refresh，idr)图片。本领域技术人员知道i图片的那些变体以及它们各自的应用和特征。
[0097]
预测性图片(p图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。
[0098]
双向预测性图片(b图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。
[0099]
源图片通常可在空间上细分成多个样本块(例如，4
×
4、8
×
8、4
×
8或16
×
16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，i图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。p图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行非预测编码。b图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行非预测编码。
[0100]
视频编码器(303)可根据例如itu-t h.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器(303)可执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。
[0101]
在实施例中，传输器(540)可传输附加数据和已编码的视频。视频编码器(530)可以包括诸如已编码视频序列的一部分的此类数据。附加数据可包括时间/空间/snr增强层、冗余图片和切片等其它形式的冗余数据、sei消息、vui参数集片段等。
[0102]
图6示出了适合于实施所公开主题的某些实施例的计算机系统600。
[0103]
所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由计算机中央处理单元(cpu)，图形处理单元(gpu)等直接执行或通过译码、微代码等方式执行。
[0104]
所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。
[0105]
图6所示的用于计算机系统600的组件本质上是示例性的，并不用于对实现本公开实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统600的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。
[0106]
计算机系统600可以包括某些人机界面输入设备。这种人机界面输入设备可以通
过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。
[0107]
人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个)：键盘601、鼠标602、触控板603、触摸屏610、数据手套604、操纵杆605、麦克风606、扫描仪607、照相机608。
[0108]
计算机系统600还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏610、数据手套604或操纵杆605的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如，扬声器609、耳机(未示出))、视觉输出设备(例如，包括阴极射线管屏幕、液晶屏幕、等离子屏幕、有机发光二极管屏的屏幕610，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。
[0109]
计算机系统600还可以包括人可访问的存储设备及其相关介质，如包括具有cd/dvd的高密度只读/可重写式光盘(cd/dvd rom/rw)620或类似介质621的光学介质、拇指驱动器622、可移动硬盘驱动器或固体状态驱动器623，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于rom/asic/pld的专用设备，等等。
[0110]
本领域技术人员还应当理解，结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。
[0111]
计算机系统600还可以包括通往一个或多个通信网络(655)的接口。例如，网络(655)可以是无线的、有线的、光学的。网络(655)还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络(655)还包括以太网、无线局域网、蜂窝网络(gsm、3g、4g、5g、lte等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括canbus)等等。某些网络(655)通常需要外部网络接口适配器(654)，用于连接到某些通用数据端口或外围总线(649)(例如，计算机系统600的usb端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机系统600的核心(例如，以太网接口集成到pc计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络(655)中的任何一个，计算机系统600可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，无线电视)，单向的仅用于发送(例如can总线到某些can总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络(655)和网络接口(654)可使用某些协议和协议栈。
[0112]
上述的人机界面设备、人可访问的存储设备以及网络接口(654)可以连接到计算机系统600的核心640。
[0113]
核心640可包括一个或多个中央处理单元(cpu)641、图形处理单元(gpu)642、以现场可编程门阵列(fpga)643形式的专用可编程处理单元、用于特定任务的硬件加速器644等。这些设备以及只读存储器(rom)645、随机存取存储器646、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)647等可通过系统总线648进行连接。在某些计算机
系统中，可以以一个或多个物理插头的形式访问系统总线648，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线648，或通过外围总线649，或图形适配器650进行连接。外围总线的体系结构包括外部控制器接口pci、通用串行总线usb等。
[0114]
cpu 641、gpu 642、fpga 643和加速器644可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在rom 645或ram 646中。过渡数据也可以存储在ram 646中，而永久数据可以存储在例如内部大容量存储器647中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个cpu 641、gpu 642、大容量存储器647、rom 645、ram 646等紧密关联。
[0115]
所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本公开的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
[0116]
作为实施例而非限制，具有体系结构600的计算机系统，特别是核心640，可以作为处理器(包括cpu、gpu、fpga、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心640的特定存储器，例如核心内部大容量存储器647或rom 645。实现本公开的各种实施例的软件可以存储在这种设备中并且由核心640执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心640特别是其中的处理器(包括cpu、gpu、fpga等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在ram 646中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器644)中的功能，该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(ic))，包含执行逻辑的电路，或两者兼备。本公开包括任何合适的硬件和软件组合。
[0117]
虽然本公开已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本公开的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本公开的原则，因此属于本公开的精神和范围之内。